218197_es-ES

liliconcom

Evaluación cruzada y simulación de progenie con JMP Genomics, parte 1: BLUP para datos de prueba de mejoramiento

Para este ejemplo, tenemos un conjunto de 309 líneas de cebada ( cebada_marcador_datos.sas7bdat ), que han sido genotipados para ~3500 marcadores cada uno. También tenemos un juego de medidas ( cebada_trial_pheno.sas7bdat ) de cuatro fenotipos tomados de ensayos de campo en dos lugares separados durante un período de dos años. Los fenotipos medidos son contenido de proteína, peso específico, contenido de ergosterol y rendimiento de proteína. Antes de evaluar los cruces y simular la progenie, debemos capturar los efectos de las múltiples muestras para cada línea de cebada usando la mejor predicción lineal imparcial (BLUP). El BLUP elimina el ruido de cada una de las mediciones de prueba y nos deja con una sola fila de datos para cada línea de cebada que brinda predicciones de los valores fenotípicos para cada rasgo medido.

1. Abre el cebada_prueba_feno. sas7bdat conjunto de datos Este conjunto de datos tiene 2161 mediciones tomadas de múltiples ensayos de campo. Para comprender mejor el diseño de estos ensayos, seleccione Analizar > Distribución de la barra de herramientas encima de la tabla de datos.

• Al observar la distribución de ubicaciones, ensayos, parcelas, años y repeticiones, podemos ver que hubo 15 ensayos que constaban de 26 parcelas sembradas en dos ubicaciones. También vemos que la mayoría de las líneas de cebada se plantaron en repeticiones de tres en ambos lugares, lo que resultó en seis mediciones cada una.

1. Volviendo a la tabla de datos, seleccione Analizar > Ajustar modelo de la barra de herramientas para construir un modelo.
2. Seleccione los cuatro rasgos: Proteína, TW, Ergosterol, y py como el Variables Y .
3. Para agregar un efecto de modelo, seleccione una variable de la lista de columnas a la izquierda y seleccione Agregar en el Efectos del modelo de construcción
   • Primero, seleccione línea como un efecto aleatorio. Para hacer esto, Agregar línea hacia Efectos de modelo cuadro, una vez agregado, resáltelo y seleccione Atributos > Efecto aleatorio del menú en el Efectos del modelo de construcción
   • A continuación, agregue año y ubicación como efectos.
   • A Cruz efectos, agregue el primer efecto, luego resalte el efecto en el Efectos de modelo Seleccione el efecto a cruzar y haga clic en el Cruz botón en el Efectos del modelo de construcción caja. Para crear un efecto mixto para año y ubicación destacar año en el Efectos de modelo caja y ubicación de la lista de columnas y seleccione Cruz . El nuevo efecto aparecerá como año*ubicación .
   • Para efectos anidados, agregue el efecto principal y resáltelo en el Efectos de modelo luego seleccione el efecto que desea anidar de la lista de columnas y haga clic en Nido . Para anidar año en el ensayo efecto, agregue la prueba como efecto principal, resáltelo así como año en la lista de columnas y haga clic en Nido . El efecto aparecerá como juicio [año] .
4. Agregue cada uno de los efectos de modelo de la siguiente captura de pantalla. JMP sugerirá un personalidad, énfasis, y Método que se puede modificar desde los menús desplegables. Mantenga los valores predeterminados para este ejemplo y desactive la casilla Componentes de varianza no consolidados Hacer clic Correr para comenzar el BLUP.
5. Cuando finalice el modelo, aparecerá una nueva ventana con estadísticas de ajuste del modelo para cada rasgo. Debajo de cada uno de los rasgos, se puede encontrar una tabla bajo el encabezado Predicciones de efectos aleatorios dando el BLUP para cada una de las líneas.
   • Para abrir cada uno de estos como una tabla de datos, haga clic derecho en cualquier parte de la tabla y seleccione Convertir en tabla de datos .
   • NOTA: Para guardar el modelo en la tabla de datos JMP que se usó para crearlo, haga clic en el triángulo rojo junto al Grupo de ajuste título y seleccione Guardar secuencia de comandos > A la tabla de datos… Esto permitirá guardar el modelo y volver a ejecutarlo directamente desde la tabla de datos.
6. Realizar el Convertir en tabla de datos comando para el Predicciones de efectos aleatorios tabla correspondiente a cada uno de los cuatro rasgos. Cada tabla de datos se abrirá en una nueva ventana.
   • Cuando se crea cada nueva tabla de datos, asegúrese de nombrar la tabla de datos y cambiar el nombre de la BLUP columna con el rasgo adecuado (cada una de estas tablas están disponibles en los archivos adjuntos). Nombra las columnas de la siguiente manera:
     1. Contenido de Proteína (Proteína): Proteína_BLUP
     2. Peso de prueba: TW_BLUP
     3. Ergosterol: ERG_BLUP
     4. Rendimiento de proteína (PY): PY_BLUP
7. Cada una de las columnas BLUP deberá combinarse en una sola tabla de datos junto con los datos del marcador para el análisis. Primero, combinaremos los datos fenotípicos usando el Tablas > Unir.Empezar. las cuatro tablas de datos deben abrirse en JMP. Desde el Proteína_BLUP tabla, seleccione Tablas > Unir. Desde el Únete a 'Protein_BLUP' con menú, seleccione TW_BLUP . Esto agregará las variables de la TW_BLUP mesa a la Columnas de origen cuadro de la izquierda.
8. En el Columnas de origen cuadro, seleccione Término de ambas listas de variables y haga clic en el Fósforo botón en el Especificación correspondiente.esto entrara Término=Término en el cuadro Coincidencia de columnas que indica las variables a partir de las cuales se fusionarán las tablas.
9. A continuación, haga clic en la casilla junto a Seleccionar columnas para la tabla unida en la parte inferior de la ventana y agregue las variables Término, Proteína_BLUP, y TW_BLUP .
10. En el Nombre de la tabla de salida caja, nombra la mesa combinado_BLUP y haga clic DE ACUERDO para completar la fusión.
11. A continuación, con el combinado_BLUP mesa abierta, repita el Tablas > Unirse proceso para incluir tanto las columnas BLUP que contienen el ERG_BLUP y el PY_BLUP valores de sus respectivas tablas. La tabla terminada debe tener cinco columnas como la siguiente.
12. Ahorrar el combinado_BLUP tabla como un conjunto de datos SAS (.sas7bdat).
13. Ahora que los valores BLUP para los cuatro rasgos se combinan, se pueden agregar a los datos del marcador, pero primero será necesario extraer los ID de línea de los corchetes en el Término columna en el combinado_BLUP. sas7bdat tabla para que coincida con los ID de línea de la En sí columna en el cebada_marcador_datos.sas7bdat mesa. Esto se puede hacer usando el Fórmula opciones en JMP. Primero, haga clic con el botón derecho en la fila del encabezado de la columna y seleccione Nuevas Columnas… En el nuevo cuadro de diálogo, nombre la columna "LineID".
14. Una vez el Identificación de línea se crea la columna, haga clic con el botón derecho en ella y seleccione Fórmula…
15. En la lista en el extremo izquierdo de la ventana Fórmula, seleccione Carácter > Palabra . Para crear una fórmula que extraiga los nombres de las líneas del paréntesis, haga doble clic en la parte de la fórmula "Palabra" en el medio de la pantalla e ingrese Palabra (2, Término, "[]"). Hacer clic DE ACUERDO para aplicar la fórmula a la nueva columna.
16. Ahora, al usar las columnas coincidentes, los datos del marcador y los datos fenotípicos se pueden fusionar en una sola tabla que está lista para el análisis en JMP. Comience con el combinado_BLUP. sas7bdat abra la tabla y vuelva a seleccionar Tablas > Unirse de la barra de herramientas.
17. En la nueva ventana, Fósforo el Identificación de línea columna de la combinado_BLUP mesa con el En sí columna de la cebada_marcador_datos
18. En el Especificación coincidente caja, marque la Soltar múltiplos caja para el Mesa principal y el Incluir no coincidencias caja para el Con Mesa . Esto eliminará los datos BLUP adicionales y solo incluirá las líneas con datos de marcador presentes.
19. Ingresar cebada_geno_feno como el Nombre de la tabla de salida y haga clic DE ACUERDO para fusionar las tablas.
20. La tabla completa tiene todos los datos del marcador fusionados con los datos BLUP. Opcionalmente, haga clic con el botón derecho en las columnas no deseadas para eliminarlas ( Término, ID de línea ) y mueva el En sí columna a la columna más a la izquierda de la tabla arrastrándola a la parte superior de la lista de columnas en el columnas cuadro a la izquierda de la tabla. Guardar la tabla como cebada_geno_feno. sas7bdat .

Resumen

Antes de comenzar el proceso de evaluación cruzada y simulación de progenie, se debe crear un BLUP para capturar un solo valor fenotípico para cada línea de cebada. En esta publicación, creamos un modelo mixto para obtener los BLUP de cada línea de cebada, combinamos los valores de BLUP para cada rasgo y los fusionamos en los datos genotípicos. Ahora los datos SNP y los datos fenotípicos se combinan en un solo conjunto de datos. En la siguiente publicación ( Evaluación cruzada y simulación de progenie con JMP Genomics Parte 2: Revisión de modelos predictivos para valores genéticos ), creamos y comparamos modelos a través de la validación cruzada, que predecirán los valores genéticos de los cruces de estas líneas.  

Para este ejemplo, tenemos un conjunto de 309 líneas de cebada, que han sido genotipadas para ~3500 marcadores cada una. También tenemos un conjunto de medidas de cuatro fenotipos tomados de ensayos de campo en dos lugares separados durante un período de dos años. Los fenotipos medidos son contenido de proteína, peso específico, contenido de ergosterol y rendimiento de proteína. Antes de evaluar los cruces y simular la progenie, debemos capturar los efectos de las múltiples muestras para cada línea de cebada usando la mejor predicción lineal imparcial (BLUP). El BLUP elimina el ruido de cada una de las mediciones de prueba y nos deja con una sola fila de datos para cada línea de cebada que brinda predicciones de los valores fenotípicos para cada rasgo medido.